（飞桨）强化学习7日打卡营——基于表格型方法求解RL

两个做业的对比：web Lesson2 表格型方法—— Q-learning （当心探索） # 根据输入观察值，采样输出的动做值，带探索 def sample(self, obs): if np.random.uniform(0, 1) < (1.0 - self.epsilon): #根据table的Q值选动做 action = self.pred

>>阅读原文<<